Вперше запропоновано архітектуру локально-рекурентної нейронної мережі для довготермінового прогнозування процесів електроспоживання, що відрізняється наявністю першого прихованого шару, який реалізує нелінійні моделі авторегресії - ковзного середнього різних порядків, що дає можливість автоматичного вибору й відстеження порядку прогнозованого процесу. Розроблено нейромережевий метод прогнозування тренд-сезонних процесів споживання електроенергії, який відрізняється паралельною обробкою гармонійних компонент, що дає можливість прогнозувати процес з апріорі відомою фіксованою кількістю гармонійних компонент. Створенонейромережевий метод прогнозування полігармонійних процесів споживання електроенергії, який відрізняється послідовною обробкою гармонійних компонент, що дає можливість прогнозувати процес з апріорі неввідомою та змінною у часі кількістю гармонійних компонент. Удосконалено метод навчання спеціалізованих нейро-фаззі мереж для короткотермінового прогнозування процесів споживання електроенергії та метод навчання нейронної мережі зустрічного поширення.

  Завантажити